Введение
Глава 1. Методы определения закономерностей в системах обработки данных 11
1.1. Типы возможных закономерностей и способы обработки данных . 11
1.2. Методы «интеллектуального» анализа данных (Data Mining) 14
1.3. Нейросетевой подход «интеллектуального» анализа данных 20
1.3.1. Математическая модель нейрона 21
1.3.2. Искусственная нейронная сеть, принципы функционирования . 23
1.3.3. Анализ существующих систем, использующих нейросетевые технологии — 28
1.3.4. Выбор нейропарадигм для решения задач Data Mining 29
1.4. Принципы теории принятия решений 30
1.4.1. Использование деревьев решений и семантических сетей 32
1.5. Выводы 34
Глава 2. Автоматизированное проектирование нейросетевых структур обработки данных с использованием деревьев решений 35
2.1. Использование деревьев решений в качестве инструментария теории принятия решений 35
2.1.1. Модифицированная модель деревьев решений 39
2.1.2. Операции над деревьями решений 42
2.2. Предобработка и кодирование данных 45
2.2.1. Проверка данных на непротиворечивость 46
2.2.2. Кодирование входов-выходов 49
2.2.3. Нормировка данных 53
2.3. Нейросетевые структуры обработки данных 56
2.3.1. Многослойный персептрон 57
2.3.2. RBF-сеть... 69
2.3.3. Структура сети динамических ядер 77
2.3.4. Алгоритм определения количества классов в данных 78
2.3.5. Самоорганизующиеся карты Кохонена 81
2.3.6. Визуализация данных - 84
2.4. Прямой и обратный вывод. Семантические сети 86
2.5. Выводы 89
Глава 3. Модели и алгоритмы представления деревьев решений и нейронных сетей в подсистеме принятия решений и проектирования 91
3.1. Структура подсистемы 91
3.2. Информационная и объектно-ориентированная модели нейронных сетей 94
3.2.1. Разработка системы классов для описания НС. Создание объектно-ориентированной модели 94
3.2.2. Алгоритм формирования НС в рамках объектно-ориентированной модели 96
3.2.3. Разработка структуры фрагмента БД для хранения НС и результатов их работы 97
3.3. Осуществление вывода и формирование правил на основании модифицированных деревьев решения 103
3.3.1. Структура фрагмента БД для деревьев решения 103
3.3.2. Алгоритм прямого вывода 106
3.3.3. Алгоритм обратного вывода. Формирование правил 107
3.4. Представление деревьев решения в виде фактов семантической сети 110
3.4.1. Алгоритм преобразования деревьев решений в семантическую сеть 110
ЗА2. Структура фрагмента БД для семантических сетей 111
3.5. Выводы 112
Глава 4. Разработка программного и информационного обеспечения 113
4.1. Выбор программных средств и СУБД 113
4.2. Конструирование НС с помощью разработанной системы классов . 116
4.3. Программная реализация приложения 118
4.3.1. Ввод и построение деревьев решения 119
4.3.2. Представление результатов прямой и обратной цепочек рассуждений 121
4.3.3. Формирование выборки и предобработка данных 123
4.3.4. Построение нейросетей 124
4.4. Выводы 127
Заключение 128
Список литературы 130
Приложения 135
